手机在线观看免费av_口述性高潮_h小视频_色乱码一区二区三区网站_精品99视频_成人精品一区二区三区视频_www狠狠_亚洲av成人片色在线观看高潮_av天天网_免费播放av_精品美女在线_亚洲视频精品一区_婷婷精品一区二区三区_啊┅┅快┅┅用力啊老师_日韩一级欧美一级

織物疵點自動檢測是對織物質(zhì)量進(jìn)行控制和實現(xiàn)織造及驗布工序自動化、無人化的關(guān)鍵環(huán)節(jié)[1]. 傳統(tǒng)的人工檢測方法是檢驗人員按照個人經(jīng)驗和織物評分、評等標(biāo)準(zhǔn)對織物等級做出評定[2]. 這種方法存在檢測速度低、漏檢率高等諸多問題，因而亟需發(fā)展新穎、快速、準(zhǔn)確的織物疵點自動檢測方法. 20 世紀(jì)90 年代以來信息技術(shù)的高速發(fā)展、計算機(jī)硬件性能的不斷提高和數(shù)字成像系統(tǒng)的發(fā)展，使得機(jī)器視覺在工業(yè)上開始廣泛的應(yīng)用，這給自動檢測提供了新的方法和手段[3].疵點在線檢測的速度要求一般高于60 m/min，檢測的疵點最小尺寸為0.5 mm. 如果采用2 048 行分辨率的線陣相機(jī)，像素空間分辨率取0.2 mm/pixel，則單個相機(jī)每秒鐘產(chǎn)生的圖像數(shù)據(jù)量為10 Mb. 也就是說，單個相機(jī)對應(yīng)的處理單元要在1 s內(nèi)完成10 Mb數(shù)據(jù)的傳輸和處理. 因此底層的數(shù)據(jù)采集處理上，檢測算法的實時性越高越好，只需要判斷某部分圖像中是否含有疵點即可，而不要求該檢測算法能完成疵點幾何特征提取以及分類等功能. 底層處理單元僅上傳一些可能有疵點的圖像到中層處理單元. 中層處理單元能夠?qū)⒋命c從紋理背景中完全分離出來，以獲取疵點的形狀和大小等幾何信息，并且能過濾掉底層處理中判斷錯誤的部分. 高層處理單元能夠根據(jù)已提取的疵點信息，對疵點進(jìn)行分類評分. 本文綜述將分別介紹適合于這3個步驟的各種方法.1 疵點判別疵點判別只對圖像的子窗口做出有疵點還是無疵點兩種判斷. 疵點判別時應(yīng)保證較低的漏警率，即過濾掉的部分不再能含有疵點.用于疵點判別的方法需要有很好的實時性，簡單并且最好能在硬件平臺上實現(xiàn). 這類方法通常需要對圖像進(jìn)行子窗口分割，而且這類方法可能會有一定的虛警率.疵點判別主要有3個步驟：預(yù)處理、特征提取和判決. 這其中特征提取是核心部分，將會詳細(xì)介紹.預(yù)處理要使得采集到的圖像全局一致. 由于視覺采集系統(tǒng)是一個短焦大范圍的

光學(xué)系統(tǒng)，圖像的中心和兩邊的光強(qiáng)分布不均勻，因此需要在預(yù)處理時進(jìn)行邊中圖像的校正[4]；視覺系統(tǒng)由于光源或相機(jī)內(nèi)部噪聲的影響，前后采集的圖像也需要進(jìn)行一致性校正.常用的判決法有異常檢測、貝葉斯判決等. 文獻(xiàn)[5-6]中特征閾值取學(xué)習(xí)圖像中特征的最大值，這種選取方式依賴于學(xué)習(xí)圖像的好壞，并且對于噪聲的容忍度極差. 異常檢測[7]通常不依賴于樣本圖像，它能剔除出遠(yuǎn)離大多數(shù)特征向量的"奇異"特征向量，而并不需要對改組特征向量有任何的先驗知識，因此最適合在線檢測. 貝葉斯判決中，疵點出現(xiàn)的先驗概率已知，判決建立在一個最小風(fēng)險后驗概率的基礎(chǔ)之上.特征提取是整個過程中最重要的環(huán)節(jié). 它從圖像數(shù)據(jù)中提取表示是否含有疵點的信息. 這里僅介紹一些最為常見的特征提取方法. 1.1 基于共生矩陣特征共生矩陣屬于高階統(tǒng)計量，它反映了某兩個灰度在一定空間位置上同時出現(xiàn)的概率. 灰度共生矩陣實現(xiàn)簡單，優(yōu)化后能具有很好的實時性. 在紋理分割領(lǐng)域，共生矩陣的特征如熵、角二階矩等特征被認(rèn)為是最為有效的[8]. 文獻(xiàn)[9-10]中詳細(xì)列出了各種不同的共生矩陣的定義和相關(guān)特征，并將它們用于不同的應(yīng)用中. 文獻(xiàn)[11] 中介紹了在集成于相機(jī)內(nèi)部的FPGA 上實現(xiàn)Unser差分共生矩陣的方法. 文獻(xiàn)[12]中首先將紋理圖像進(jìn)行小波分解，并在各個子帶圖像中提取共生矩陣及其特征，但作者并未說明分解的子圖像上求取的共生矩陣特征是否有更好的效果和對圖像進(jìn)行多分辨率分解需要耗費大量的時間. 灰度共生矩陣的維數(shù)仍然過大，并且熵、角二階矩等特征是對紋理統(tǒng)計特性的描述，并不能很好地描述疵點與紋理的差別.而優(yōu)化后的類別共生矩陣[7]和模糊類別共生矩陣[13]很好地克服了這兩個缺點，使圖像灰度級被歸類到一定數(shù)目的色調(diào)集合中，用色調(diào)類別代替灰度級計算共生